基于小波变换的火车车轮扁疤信号能量分析

火车车轮扁疤是火车行车事故的重大隐患之一，了解扁疤信号的能量分布情况对正确检测车轮扁疤有重要的意义．针对车轮扁疤信号具有持续时间短、突变快等特点，提出了一种运用小波变换的多分辨率分析和小波能量谱对扁疤信号进行分析的方法，通过比较扁疤信号在不同尺度下的能量密度，找出能量与各频段之间的对应关系，得出了扁疤信号的能量主要集中在2500Hz以下的频带范围内，在实际的车轮扁疤检测算法中只需分析频带范围为2500Hz以下的扁疤信号即可，通过实验验证了该能量分析方法的有效性．     

基于小波能量谱的轨道表面凹陷检测

为了弥补现有轨道表面凹陷检测不及时、检测成本高等缺陷,提出一种基于小波能量谱的轨道表面凹陷检测方法。首先,在运营车辆上加装轴箱振动传感器,获取轴箱垂向和横向振动信号;其次对振动信号进行滤波处理,降低车轮扁疤等外界因素对检测精度的影响;然后对滤波后的信号进行小波尺度分析,并定位信号的故障特征频率范围;最后,依据故障特征频率范围计算信号的小波能量谱,根据其最大值是否超出阈值检测轨道表面凹陷情况。仿真结果验证了本方法在轨道表面凹陷检测中具有良好的应用效果。     

车轮扁疤伤损对高速列车轮对动力学性能影响

车轮扁疤是铁道车辆车轮踏面的缺陷形式之一,对轮轨动力和运用安全有明显的影响.本文建立了弹性车辆系统动力学模型,且将车轮扁疤伤损考虑为车轮轮径变化.利用数值仿真,研究了车轮扁疤伤损对高速列车轮轨冲击力、轮对振动及轮轨接触性能等的影响,并结合列车运行安全性指标得到了不同速度等级下车轮扁疤长度安全限值.结果表明,弹性车辆系统模型可以准确体现轮对旋转运动特征.车轮扁疤伤损对轮轨系统垂向和横向均产生冲击作用,对轮轨系统垂向冲击作用尤为明显,将显著增大轮对旋转振动频率及其倍频对应的振动能量,且会激起轮对中高频弹性共振.车轮出现40mm扁疤时,随着车轮旋转运动,轮轨接触点向轮背侧出现周期性横移,轮轨接触斑面积最大可达142mm2,轮轨纵向和横向蠕滑率分别增大4%和16%.轮轨力、轮对振动加速度及轮轨磨耗指数均会随车轮扁疤长度的增加而增大.当列车运行速度在300km/h及以下时,车轮扁疤长度需限制在30mm;当列车运行速度达到350km/h时,车轮扁疤长度需限定在25mm.     

匹配追踪时频分析及其在油气检测中的应用

地震波穿过地下含油气区时会表现为低频能量相对增强、高频能量相对减弱,准确提取地震波的低频能量和高频能量可以实现地下岩石的含油气性检测。利用短时傅里叶变换、S变换和引入尺度参数的匹配追踪算法对合成信号进行了试算,结果表明,引入尺度参数的Morlet小波匹配追踪算法不仅算法速度快,而且有更好的时频分辨率;通过对实际地震资料的匹配追踪计算,表明该算法也适用于实际资料;利用匹配追踪算法较准确地提取地震波的低频和高频能量,并对实际资料进行了含油气性预测,取得了与钻井一致的结果。     

突变信号的时幅拐点分析法

为解决发动机高速轴承振动数据时域信号中隐藏的突变信号难以精确时频定位的问题,提出一种突变信号的时幅拐点分析算法.该算法首先通过离散傅里叶变换对信号进行特征频率的提取,再针对该特征频率进行时移傅里叶分析,通过该频率时移傅里叶分析下的时幅拐点找出突变信号的进入时刻和消失时刻,最后通过对确定时段内的信号进行二次傅里叶分析获得该突发信号的幅值.理论分析、理论仿真和高速轴承振动数据工程仿真验证均表明,该算法能准确捕捉和提取突变信号的幅值及其在振动信号中的出现时刻和消失时刻.     

车轮扁疤引起的车轴附加载荷的仿真研究

采用改进的轮轨冲击简化模型,对车轮扁疤引起的车轴附加载荷进行了系统的仿真研究,并对提速后货车车轮扁疤检修规范的修订提出了建议．     

一种改进的基于短时平均幅度的语音端点检测算法研究

在噪声环境下,利用短时平均幅度为特征进行语音端点检测.文章在传统端点检测算法的基础上,研究了汉语音节的特点,提出采用短时平均幅度代替短时能量,并为平均幅度引入判决门限.门限值是根据语音信号背景噪声自动计算得到,从而保证了算法在噪声环境下检测的准确性.实验结果表明,与传统的基于短时能量的端点检测算法相比,改进的算法在高信噪比和低信噪比环境下都具有良好的性能.     

S变换在滚动轴承故障诊断上的应用

为了研究滚动轴承信号的非平稳特征,应用时频分析技术是一种较好的选择．研究了S变换,该方法是将短时傅里叶变换同小波变换结合起来发展的一种新算法．对多种时频分析方法进行了比较,得出S变换优于其他方法的一些特点,提出基于S变换的滚动轴承信号瞬态特征检测方法．结果表明,S变换能够以较高时频分辨率表示轴承振动中的非平稳特征,能反映出信号时频谱真实的物理意义,并且计算速度快．诊断结果验证了该方法可以用于滚动轴承的故障诊断．     

基于小波变换的信号特征与突变点检测算法研究

采用小波分解可以很好地研究信号的自相似性.小波变换能够分析信号奇异点的位置及奇异性强弱,即通过小波变换后的局部极大值在不同尺度上的衰减特性来衡量信号的奇异性.介绍了小波变换的基本概念,对信号特征和突变点检测算法进行研究,利用小波多分辨分析将突变信号进行多尺度分解,通过分解的信号确定突变点位置.通过Matlab实验,分析了信号奇异点定位和小波检测的结果,当小波变换尺度越精细时,检测突变点位置越精确,验证了小波变换是分析信号自相似性和突变点检测的有力工具.     

遗传算法结合小波神经网络的列车车轮扁疤故障检测方法

为了寻求一种更加有效的列车车轮扁疤故障分析算法,提出一种通过轮轨噪声来确定车轮扁疤严重程度的检测方法。该方法将遗传算法与小波神经网络相结合,同时为了避免出现局部极小值,加速学习速度,在小波神经网络中增加了动量模型;在搜寻小波神经网络隐含层链接权值之前,使用遗传算法进行计算以优化小波神经网络结构;硬件只需2组麦克风阵列以及2个速度感应器就可以提供实时结果,成本远低于我国现有的检测方法。对不同列车车速下的轮轨信号进行了实时测试,结果表明:与传统神经网络、小波神经网络和遗传算法相比,该方法的检测准确率最多分别提高了16%、11%和3%,并且收敛最快。     

基于Wigner-Ville时延分析的传感器网络定位方法

到达时间差(TDOA)定位是根据各个传感器接收信号的时差来实现目标定位的,时延估计的准确程度直接影响到定位的精度。从信号能量角度出发,根据Wigner-Ville变换得出一种时频能量分布,通过对应频率下能量的最大值来确定信号的到达时间,进而确定出时间差,同时计算了振动信号在实验介质中的传播速度,最终实现了振动定位的目的。试验结果表明,基于WVD时频能量分析的方法有利于减少实际测量环境下的振动源定位误差,从而提高定位的精度。     

基于短时能零积和鉴别信息的语音端点检测

为了提高低信噪比下语音端点检测的准确率,提出了一种新型的语音端点检测算法.该算法利用短时能零积法和鉴别信息的互补优势,一边降噪一边端点检测,而且对于被判为噪声的帧利用基于子带能量鉴别信息方法来进行二次复检,根据鉴别信息来更新噪声能量门限,从而能更准确地跟踪噪声的能量变化.实验结果表明,该方法在信噪比变化比较剧烈的情况下仍然能够准确地进行端点检测,对语音信号的后续处理起到了很好的作用.     

基于脉冲耦合神经网络的结构损伤检测方法研究

机械结构的损伤发展到一定程度,会对其功能产生严重影响,所以及早检测出损伤非常必要。针对机械结构在损伤发生时其内部能量分布会发生变化的情况,对加速度计测得的结构振动信号进行短时傅立叶变换,获得可以反映能量分布的时频谱图。使用脉冲耦合神经网络提取时频谱图的熵序列特征,很好地识别了结构的损伤。使用上述方法对简支梁的损伤进行了实验研究,验证了其有效性和实用性。     

短时能量分析法在断路器机械状态监测中的应用

针对断路器机械特性在线监测中触头关合时刻难以获取的缺点 ,研究了短时能量法在断路器机械振动信号分析中的应用 .通过定量分析指出 ,短时能量法的优点在于有效提高了信噪比 ,可以从现场复杂的噪声环境中提取出振动事件的起始时间 .试验中将该方法应用于ZN12 35型真空断路器的合闸振动信号分析 ,准确得到了空载情况下三相触头的闭合时刻 ,从而计算出不同机械状态下的合闸同期性与合闸时间等状态参数 .在关合单相短路电流的情况下测试了VS1 12型真空断路器的合闸振动信号 ,分析了不同短路电流对振动信号测量及合闸同期性的影响 ,进一步验证了短时能量分析法的有效性和准确性 .试验结果表明 ,在选择合适的窗函数的基础上 ,短时能量分析法的测量精度能达到 0 2ms .     

基于CEEMD的爆破振动信号自适应去噪

针对爆破振动信号短时、突变的特点,提出了基于CEEMD的爆破振动信号自适应降噪方法。为解决信噪分量分界点的判定问题,该方法提出依据CEEMD分解得到的噪声分量和有用信号分量自相关函数的波峰宽度特性自适应地判定信噪分量的分界点的方法。对IMF分量消噪阈值函数进行了改进,新阈值函数具有连续和高阶可导性。实验分析表明:采用新阈值函数的CEEMD自适应去噪方法能够有效地去除实测爆破振动信号中夹杂的噪声,并且很好地保留了爆破振动信号的突变细节,去噪效果良好。     

STFT和Zoom-FRFT联合的多分量LFM信号参数估计方法

针对传统基于分数阶傅里叶变换(FRFT)的多分量线性调频信号(MLFM)参数估计方法中计算量大,估计精度低等问题,提出了一种短时傅里叶变换(STFT)和Zoom-FRFT联合的参数估计方法.首先,利用STFT得到MLFM信号的短时傅里叶域频谱图,对其进行直线检测得到各个分量参数的粗略估计.然后,利用LFM信号在FRFT域的频谱分布特征和STFT窗函数的主瓣带宽,计算得到待估计信号在FRFT域变换阶次和频谱的分析范围;最后,在Zoom-FRFT域采用优选法对各个分量进行精估计,得到精确的变换阶次和峰值位置.仿真结果表明,该方法可以有效地对MLFM信号进行参数估计,可以根据实际需要灵活选择窗函数的宽度和细化倍数,与传统方法相比,提高参数估计精度的同时大大减小了计算量.     

基于多尺度相关性的异常网络流量的检测与定位

在相关分析原理基础上,建立网络观测系统的模型,确定了网络流量的相关性特征,然后将多尺度相关分析方法引入系统检测中,提出了一种流量异常检测与定位方法。实验表明,与残差相关分析方法相比较,克服了干扰过多或者丢失信号细节成分两种不同性质的错误,该方法适合于突变信号的处理。     

基于S变换的浮标式高频地波雷达相位补偿算法

针对浮标式高频地波雷达系统,分析了雷达平台晃动对回波信号相位的影响,并且提出一种基于S变换的相位补偿方法。该方法利用信号窄带分量中能量最大者作为相位补偿的标校信号,采用S变换的时频分析方法对雷达信号的瞬时频率以及相位进行估计,实现对回波信号相位补偿。仿真结果显示一阶海洋回波谱得到了很好的锐化,与相位污染前的多普勒频谱相近,从而验证了方法的有效性。     

一种涡轮泵故障阈值检测算法

涡轮泵是火箭发动机的心脏,是火箭发动机中的高速旋转组件,也是故障率较高的部件之一。涡轮泵的可靠性在整个发动机的可靠性中占有重要地位。传统的故障检测有时会出现虚警或漏警的现象,而且主要用于试车后的状态分析与评估;在实时故障检测中存在很大的不足。涡轮泵发生故障的主要原因是由于振动,因此振动加速信号研究对涡轮泵的故障检测显得尤为重要。通过一种阈值检测算法对振动加速信号进行研究,并结合已有涡轮泵故障信息对该算法进行验证,验证了该算法的准确性、实时性等要求。